[发明专利]一种带补偿策略的火山口形SAR图像边缘检测方法

说明书

本发明公开了一种带补偿策略的火山口形SAR图像边缘检测方法，属于SAR图像处理技术领域，思路为：确定SAR图像，所述SAR图像中每一个像素点分别对应通过一个火山口形滑动窗口滤波器的窗函数进行滤波，进而计算得到SAR图像中每一个像素点处的边缘响应值；确定强候选边缘图和待确定边缘图；计算待确定边缘图中每一个待确定像素点的比例响应强度值；然后得到B'个弱边缘像素点和B”个非边缘像素点；进而得到SAR图像的边缘强度图；根据所述SAR图像的边缘强度图，得到SAR图像边缘图，所述SAR图像边缘图为一种带补偿策略的火山口形SAR图像边缘检测结果所述SAR图像边缘图的大小与所述SAR图像的大小相同。

技术领域

本发明属于合成孔径雷达(SAR)图像处理技术领域，特别涉及一种带补偿策略的火山口形SAR图像边缘检测方法，适用于检测SAR图像的边缘特征。

背景技术

与普通的光学图像不同，合成孔径雷达(Synthetic Aperture Radar，缩写为SAR)图像是通过相干成像技术而得到的，具有不受光照、天气等影响的优点，这些优点使得SAR图像的应用范围越来越广，如利用SAR图像检测环境安全，观测地球变化等等。

尽管和普通光学图像的成像方式不同，图像的边缘特征是极为重要的特征，因为场景物理特性的突变，例如高度、表面反射率变化等，都将会在图像中以边缘的形式显现；分析图像的组成，可以知道边缘的信息含量远远大于平坦的区域，是图像包含的主要信息区域之一；而与人体的视觉一样，轮廓信息(也就是图像的边缘信息)在我们辨别物品时提供了重要的信息和依据，因而检测图像的边缘在图像处理的系列问题中就变得十分地重要和关键了；另外，图像的边缘特征也经常作为处理立体视觉，运动视觉，图像配准等问题的基本特征。

传统的光学图像会很鲜明的显现出物体的特征信息，但SAR图像由于其独特的成像技术，物体的特征往往不能很鲜明地表现出物体的特征信息；在光学图像中，提取物体的边缘特征信息可以通过计算出梯度方向的值来判定，也可以通过二阶导数的过零点来判定；但是SAR图像在提取物体的边缘特征信息时，由于SAR图像中不仅包含光学图像中有的加性噪声，还包含乘性的相干斑噪声，其中的乘性相干斑噪声会使得传统的用于光学图像的边缘检测算子无法很好地用于SAR图像边缘特征信息的检测和提取。于是，对于SAR图像的特征提取过程变得更加的复杂和麻烦。在SAR图像中使用梯度边缘检测算子检测边缘时，这些算法会在SAR图像的高反射系数区域内产生较多的虚警，在低反射系数区域则会产生较少的虚警。于是，将用于光学图像的传统检测方法用在SAR图像上检测其边缘特征的时候，这些算法将不再具有恒虚警特性(Constant False Alarm Rate,即CFAR)。所以在相干斑乘性噪声的干扰下，许多常用的检测方法会产生较多的虚假边缘，这称作错误率或者错检率。

图像处理中常用的特征信息有很多——边缘，角点，消失点，直线，曲线等等。边缘特征是图像处理中最普遍，最广泛采用的特征。SAR图像边缘检测算法常见的一般可以分为两类，一类是直接使用图像的空间灰度信息检测边缘的算子，另一类是使用图像的分布信息或者使用图像的变换域信息检测边缘的算子；第一类的算子以ROA为代表，通常包含一个2D边缘滤波器组和一个边缘提取算法，这类算子还有ROEWA,GGS等；第二类的算子代表是ACM，其往往包含一个代价函数，通过这个代价函数的优化，最终获得SAR图像的边缘，这类算法还有LR和基于分水岭的ACM等。

本发明的目的就是如何在降低边缘检测算法错误率的同时保持甚至提高其正确率水平。理想边缘模型将边缘描述为区域间散射系数(灰度值)的突变过程。实际上，由于噪声的影响，SAR图像中区域间散射系数(灰度值)的改变过程并不是突变式的。因此很难利用理想边缘模型来描述SAR图像中的模糊边缘。通过反复的分析和对比我们认为，非理想边缘模型更适合用来描述SAR图像中的边缘。然而，在非理想边缘模型下，常见的SAR图像边缘检测算子的检测结果大多是定位有偏的。

发明内容